1.3　发展趋势

随着信息、机械、自动化、系统工程和管理等学科的发展，特别是以移动互联网、大数据、人工智能、物联网、云计算等新一代信息技术推动了智能制造技术的快速发展，先进制造、自动化、计算机、管理科学等领域的研究机构与学者从各自角度出发，围绕着装备故障预测及其运维优化进行了大量的研究和探索，取得了一系列重要研究成果，呈现出了大数据支持的复杂数据处理、故障预测的集成与并行化、运营维护网络化、生产维护库存联合优化决策等方面的研究发展趋势，特别是在以下几个方面。

①更加重视互联网环境下设备运营维护数据的融合问题。在互联网与大数据支持环境下，设备运营维护过程出现了全生命周期的业务运营数据、各种传感器实时状态数据、维护网络的专家动态交互知识以及环境因素信息，如何高质量地获取和利用这些设备生命周期中的多源异构大数据及其相关的融合分析方法得到了众多研究机构和学者的关注。

②更加强调基于大数据分析的大规模故障预测问题。传统基于物理模型的预测、数据驱动的预测、模型驱动的预测、基于信息融合的预测等大部分都针对单一企业单一设备的健康状况和故障状态进行预测，难以满足复杂装备网络化运营中故障预测的全部任务要求。在互联网和大数据环境下，需要综合考虑来自MRO运行网络中同类设备、类似零部件的历史及状态信息，将多种故障预测方法有效地融合与集成，以大数据分析为基础，增强大规模在线机器学习能力，提高预测系统的实时性、智能性、运算效率以及预测性能，远程并行化实时地预测装备运营网络中大规模的故障状态和维护需求。

③更加重视基于价值网络的设备运营维护活动优化、调度与决策问题。面向不确定性的维护需求，在全球化协作网络中，联合规划和优化设备生产运营、维护和库存活动，优化可共享的网络服务资源，实时地调度和决策维护服务。